Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Samodejno prevajanje

Lekcija 8 od 18 Posodobljeno 3. november 2026 Razvijalec
Na tej strani
  1. Dve potrebi, dve orodji
  2. Prevajanje posnetka
  3. Tolmačenje govora v živo
  4. Ključne ugotovitve

Lekcija je bila na novo napisana 3. novembra 2026. Prej se je zanašala na končno točko /v1/audio/translations in model whisper-1, ki sta bila opuščena in ukinjena 26. februarja 2027, prav tako pa tudi na prilagojeno sejo pomočnika Realtime, ki je delovala kot tolmač. OpenAI zdaj ponuja dve poti: za posnetke prepis v izvirnem jeziku z gpt-transcribe, ki mu sledi besedilni prevod; za govor v živo pa namensko sejo za prevajanje z gpt-realtime-translate. Koda je bila preverjena s SDK openai 3.42.1 in knjižnico websocket-client. Viri: Prepis datotek · Prevajanje v realnem času · Opustitve.

Dve potrebi, dve orodji

Prevajanje zvoka zajema dva zelo različna scenarija, OpenAI pa ju obravnava z različnimi orodji:

PotrebaOrodje od novembra 2026Rezultat
Posnetek za prevod (sestanek, podkast, arhivirani klic)gpt-transcribe za prepis v izvirnem jeziku, nato jezikovni model za prevodPrevedeno besedilo v ciljnem jeziku
Govor v živo za tolmačenje (klic, konferenca, predavanje)Seja za prevajanje v realnem času z gpt-realtime-translatePreveden zvok in prepisi, ustvarjeni med potekom govora
Stara pot: /v1/audio/translations z whisper-1Opuščeno, ukinjeno 26. februarja 2027Samo besedilo v angleščini

Vodnik OpenAI poudarja eno ključno točko: sama sprememba ID-ja modela v zahtevi /v1/audio/translations ne zagotavlja selitve. Stara končna točka, ki je omogočala prevod le v angleščino, nima neposredne zamenjave.

Prevajanje posnetka

Ta metoda najprej zvesto prepiše govor v izvirnem jeziku, nato pa prevede besedilo. Deluje za kateri koli ciljni jezik – za razliko od stare končne točke, ki je proizvajala le angleščino – in ti omogoča dostop do obeh besedil, kar je koristno za preverjanje:

from openai import OpenAI

client = OpenAI()


def translate_recording(path: str, target_language: str) -> dict[str, str]:
    """Prepiše posnetek v njegovem izvirnem jeziku, nato prevede besedilo."""
    with open(path, "rb") as f:
        transcription = client.audio.transcriptions.create(model="gpt-transcribe", file=f)

    response = client.responses.create(
        model="gpt-6-luna",
        instructions=(
            f"Prevedi besedilo, ki ga je zagotovil uporabnik, v {target_language}. "
            "Ohrani ton in slog. Odgovori samo s prevodom."
        ),
        input=transcription.text,
    )
    return {"original": transcription.text, "translation": response.output_text}


result = translate_recording("reunion_fr.mp3", "nemščina")
print(result["translation"])

Dve izbiri si zaslužita pojasnilo. Navodilo za prevod gre v instructions, medtem ko prepis prispe kot navadni podatki v input: posnetek lahko vsebuje karkoli, vključno s stavkom, ki izgleda kot ukaz, in ne sme imeti možnosti spreminjanja navodila. Model gpt-6-luna je tisti, ki ga OpenAI priporoča za obsežno obdelavo, občutljivo na stroške; za občutljiva pravna ali tehnična besedila izberi zmogljivejši model, kot je gpt-6.1-sol.

Tolmačenje govora v živo

Za prevajanje medtem, ko nekdo govori, OpenAI ponuja posebno vrsto seje Realtime. Vodnik jo jasno ločuje od seje glasovnega agenta:

Seja glasovnega agentaSeja za prevajanje
Poveže se z /v1/realtimePoveže se z /v1/realtime/translations
Model deluje kot pomočnikModel deluje kot tolmač
Cikel pogovora in odgovora (response.create)Neprekinjen tok vhodnega zvoka, brez response.create
Lahko kliče orodjaProizvaja preveden zvok in prepise

Prenos je odvisen od tega, kam prispe zvok. V brskalniku WebRTC pošlje vhod z mikrofona in prejme prevedeni glas kot zvočne sledi; tvoj strežnik za to ustvari kratkoživi skrivni ključ klienta prek /v1/realtime/translations/client_secrets, tako da tvoj API ključ nikoli ne zapusti strežnika. Na strani strežnika, ko zvok že prispe surov (telefonski tok, zajem), zadostuje povezava WebSocket:

import base64
import json
import os

import websocket  # pip install websocket-client

ws = websocket.WebSocket()
ws.connect(
    "wss://api.openai.com/v1/realtime/translations?model=gpt-realtime-translate",
    header=[
        f"Authorization: Bearer {os.environ['OPENAI_API_KEY']}",
        "OpenAI-Safety-Identifier: hashed-user-id",  # razpršen identifikator tvojega uporabnika
    ],
)

# Izhodni jezik tolmača
ws.send(json.dumps({"type": "session.update", "session": {"audio": {"output": {"language": "en"}}}}))


def send_audio(pcm16: bytes) -> None:
    """Doda kos izvornega zvoka: 16-bitni PCM, mono, 24 kHz."""
    ws.send(json.dumps({"type": "session.input_audio_buffer.append", "audio": base64.b64encode(pcm16).decode()}))

Medtem ko pošiljaš zvok, vključno s tišinami, seja vrača dogodke za obdelavo v realnem času: session.output_audio.delta nosi preveden zvok v base64, session.output_transcript.delta prevedeno besedilo in session.input_transcript.delta prepis izvirnika. Ko vir utihne, pošlji session.close: storitev dokonča trenutni prevod, nato pa odgovori z session.closed.

translation: list[str] = []
while True:
    event = json.loads(ws.recv())
    if event["type"] == "session.output_transcript.delta":
        translation.append(event["delta"])
    elif event["type"] == "error":
        raise RuntimeError(f"Napaka pri prevajanju: {event['error']['code']}")
    elif event["type"] == "session.closed":
        break
ws.close()
print("".join(translation))

Ne zanemarj dogodka error: zavrnjen ključ ne povzroči napake same povezave; ta prispe tik zatem kot dogodek error s kodo invalid_api_key (opaženo 3. novembra 2026). V proizvodnem okolju poteka sprejemanje vzporedno s pošiljanjem, v ločeni niti ali opravilu, preveden zvok pa se predvaja ali pošilja v telefonsko linijo, ko prispe: uradni vodnik ponuja popolno različico, vključno s predvajanjem zvoka.

Ključne ugotovitve

  • /v1/audio/translations in whisper-1 sta bila ukinjena 26. februarja 2027 brez neposredne zamenjave: sprememba modela ni dovolj
  • Za posnetek: gpt-transcribe v izvirnem jeziku, nato besedilni prevod z jezikovnim modelom v poljuben jezik
  • Navodilo za prevod ohrani v instructions, prepis pa kot navadne podatke
  • Za govor v živo: seja za prevajanje (/v1/realtime/translations, gpt-realtime-translate), ki deluje kot tolmač, brez response.create
  • WebRTC v brskalniku s skrivnim ključem klienta, ki ga ustvari strežnik; WebSocket na strani strežnika z 16-bitnim PCM zvokom pri 24 kHz